Штучний інтелект: як далеко просунулися дослідження?

Штучний інтелект, роботи, боти, голосові помічники – ці слова зараз знайомі практично кожному жителю планети Земля. Розвиток штучного інтелекту настільки далеко зробив крок, що вже не здається фантастикою.

У світі високих технологій про штучний інтелект багато пишуть, сперечаються, створюють, проводять експерименти. Є вагома причина для цього інтересу з боку вчених і споживачів – після десятиліть досліджень і розробок за останні кілька років деякі методи, раніше зарезервовані для науково-фантастичних фільмів, поступово перетворюються в науковий факт.

Зміст

1. Коли виникла ідея штучного інтелекту?
2. Гра наслідування
3. Нейронна мережа
4. Безпілотні автомобілі
5. Отже, перейдемо до статистики
6. Підведемо підсумки

Технологія ШІ тепер є невід’ємною частиною нашого життя: він визначає результати пошуку, перетворює наші голоси в значущі інструкції для комп’ютерів і може навіть говорити з нами. Проте в подальші роки штучний інтелект увійде ще більше до нашого повсякденного життя.

Як вченим прийшла в голову ідея створення штучного інтелекту? Звідки з’явилася ця потужна нова технологія? Як нам вдалося так далеко просунутися в цьому питанні? Давайте спробуємо трохи розібратися в цих питаннях у цій статті.

Коли виникла ідея штучного інтелекту?

Поняття ШІ не з’явилося раптово – це предмет глибоких філософських дискусій, які сьогодні вирують: чи може машина дійсно думати, як людина? Чи може машина бути людиною? Французький фізик, математик і філософ Рене Декарт – був одним з перших, кого цікавили ці проблеми, а в 1637 році у своїй книзі «Дискурс про метод» він розмірковує щодо цих питань. Декарт фактично узагальнює деякі ключові моменти та проблеми, які необхідно подолати технологіям. Він заявляє, що “якби були машини, які мали схожість з нашими тілами й наслідували нашим діям, як можна ближче до усіх практичних цілей, ми повинні були б мати два дуже певних способи визнати, що вони не справжні люди”. Далі він пояснює, що, на його думку, машини ніколи не зможуть використовувати слова або обмірковано висловлювати свою думку, оскільки “не виключено, що така машина повинна створювати різні варіанти слів, щоб дати адекватно обмірковану відповідь на усе, про що йдеться в її присутності, нехай навіть незв’язно висловлюючи свої думки “.

Потім він продовжує описувати велику проблему, з якою зіткнеться людство, оскільки створюючи штучний інтелект, ми повинні розуміти, що машина безумовно не є людиною. “Хоча деякі машини можуть щось робити, як ми, люди, або, може бути, навіть краще, вони неминуче зазнають невдачі в інших речах, показуючи, що вони діють не за розумінням, а тільки через наявність механізмів управління”.

Гра наслідування

Другий головний філософський критерій був наданий піонером у галузі інформатики Аланом Тьюрінгом. У 1950 році він вперше описав те, що стало відомо, як «Тест Тьюрінга», і те, що він називає «Game of Imitation» – тест для перевірки того, чи має комп’ютер значення в людському сенсі цього слова.

Тест досить простий і протікає в такий спосіб: суддя (людина) обмінюється повідомленнями зрозумілою мовою (природною, людською мовою) із двома співрозмовниками. Один з них – машина, а інший – людина. Чи може машина ввести в оману суддю, щоб він подумав, що він чоловік? Захід вважається початком нового часу в дослідженнях зі штучного інтелекту.

Того ж часу Тьюрінг спробував сміливо передбачити майбутнє обчислень. Він вважав, що до кінця 20-го століття тест буде пройдений, оскільки людству вдасться створити унікальний комп’ютер, який легко пройде тест. Тим самим не залишивши шансів сумніватися людині в тому, що штучний інтелект розуміє й мислить не гірше за неї, а, можливо, буде й перевершувати.

Але ми-то знаємо, що відомий вчений трохи помилився, оскільки штучний інтелект на початку 2000-х перебував на зародковому рівні.

Нейронна мережа

Нейронна мережа – це химерне ім’я, яке вчені дають своїм пробам і помилкам, ключове поняття, яке скасовує сучасний штучний інтелект. По суті, коли справа доходить до навчання штучного інтелекту, кращий спосіб зробити це – вгадати систему, отримати зворотній зв’язок і вгадати ще раз, постійно змінюючи ймовірності того, що вона повернеться до правильної відповіді.

Перша нейронна мережа була створена в 1951 році Марвіном Мінскі та Діном Едмонд і називалася “SNARC”. Це був стохастичний нейронний аналоговий підсилювальний комп’ютер, у якому не було мікрочіпів і транзисторів, а були вакуумні трубки, двигуни й муфти.

У чому полягало завдання цієї нейронної машини? Вона повинна була допомогти віртуальному щуру пройти заплутаним лабіринтом. Система відправляла інструкції для навігації. Кожен раз, коли наслідки її дій будуть повернуті в систему, вакуумні трубки зберігали інформацію про проходження маршруту. Це означало, що машина змогла навчитися й обчислити ймовірності, що дало більше шансів пройти через лабіринт.

Результати роботи двох вчених не тільки сприяють розвитку штучного інтелекту, а й впливають на принципи побудови сучасних комп’ютерів і програмного забезпечення. Їх розробка, по суті, є дуже простою версією того ж процесу, який Google використовує сьогодні для ідентифікації об’єктів на фотографіях.

Безпілотні автомобілі

Коли йде мова про безпілотні автомобілі, то насамперед ми згадуємо про щось на кшталт проекту Google Waymo. Але в 1995 році німецькій компанії Mercedes-Benz вдалося запустити модифікований автомобіль S-класу в основному автономно з Мюнхена до Копенгагена.

Автомобіль подолав 1043 мілі без участі людини, а його швидкість перевищувала 115 миль на годину. Усе дійство було дуже схоже на те, як долають такі відстані сучасні безпілотні автомобілі, оскільки авто німецького концерну самостійно прокладало маршрут, здійснювало обгін і дотримувалося правил дорожнього руху. Ця подорож стала можливою завдяки найсучаснішому на той час комп’ютеру. Коли мова заходить про паралельні обчислення, це означає, що він може дуже швидко обробляти дані. Такі обчислення дуже важливі для безпілотних автомобілів.

Отже, перейдемо до статистик

Хоча нейронні мережі існували, як концепція, тільки наприкінці 1980-х років вчені вважали, що вони можуть скористатися технологією, щоб навчити чоловіків думати. Це був великий прорив, оскільки ця концепція лежить в основі дивовижних речей, які ШІ може зробити сьогодні.

Deep Blue переміг Гаррі Каспарова

11 травня 1997 року проводиться найвідоміший шаховий матч усіх часів і народів. Він проходить між чемпіоном світу з шахів Гаррі Каспаровим та суперкомп’ютером IBM Deep Blue. Насправді це вже був матч-реванш, оскільки в 1996 році Каспаров зумів перемогти Deep Blue. Тільки в 1997 році машини узяли гору, вигравши дві з шести ігор поспіль і ще в трьох партіях зігравши внічию. Але це був перший випадок, коли комп’ютер перемагає чемпіона світу з шахів в очній зустрічі.

Проте розум Deep Blue трохи суперечливий та ілюзорний, оскільки IBM вважає, що машина не використовує штучну підготовку й “грубу силу”. Вона лише обробляє тисячі ходів кожну секунду, і кожен раз, коли Каспаров переміщує фігуру, комп’ютер переміщує свої фігури відповідно до того, як реагували інші майстри в таких ситуаціях. Втім, незважаючи на такий підхід Deep Blue, цей шаховий матч є важливою подією.

Голосові помічники

Обробка природної мови вже давно є святим граалем штучного інтелекту. Він буде мати вирішальне значення, якщо ми коли-небудь створимо світ, у якому будуть існувати людиноподібні роботи. Тоді епізоди з фільму “Зоряний шлях” (Star Trek) вже не будуть нам здаватися фантастикою.

Сьогодні ми сприймаємо голосових помічників, таких як Siri, Cortana та Alexa, як належне. Але, якщо повернемося усього на кілька років назад і згадаємо, як важко було взаємодіяти з нашими пристроями, ми можемо легко оцінити прогрес, досягнутий у цій галузі.

Розпізнавання зображень

Як розпізнати голос, зображення – ще одна велика проблема, яку ШІ допомагає подолати. У 2015 році дослідники вперше прийшли до висновку, що машини, у тому числі дві конкуруючі системи від Google та Microsoft, краще ідентифікують об’єкти на зображеннях, ніж люди, у більш ніж 1000 категоріях.

Дані системи «глибокого навчання» успішно перевершили рішення ImageNet Challenge, своєрідний аналог “Тесту Тюрінга”, але для розпізнавання зображень. Їх успіхи будуть мати фундаментальне значення, якщо розпізнавання зображень коли-небудь буде розширюватися за межі людських здібностей.

Застосунки для розпізнавання зображень, звичайно ж, численні, але одне з них виділяється. Їм компанія Google любить хвалитися, коли просуває свою платформу для навчання машин TensorFlow, здатну сортувати огірки. Простіше кажучи, фермерам не доведеться наймати робітників для збирання врожаю, оскільки машини зможуть самостійно впоратися не тільки зі збиранням огірків, але й із їх сортуванням.

Графічні процесори роблять ШІ економічно вигідним

На початку 21-го століття вчені виявили, що графічні процесори, призначені для 3D-графіки та ігор, у 20-50 разів краще для глибоких комп’ютерних обчислень, ніж традиційні процесори. І як тільки люди це усвідомили, кількість доступних обчислювальних потужностей значно зросла, що відкрило нові можливості для штучного інтелекту.
Так що спасибі, геймери. Ваші батьки та дружини можуть не оцінити, що ви витрачаєте стільки часу на відеоігри, але вчені-дослідники будуть вам дуже вдячні.

AlphaGo та AlphaGoZero захоплюють усе

У березні 2016 року був досягнутий ще один наріжний камінь ШІ, оскільки програмне забезпечення Google AlphaGo перемогло Лі Седола, кращого гравця в Go.

Гра в Go дуже складна, складніша, ніж шахи. Але AlphaGo зумів самостійно навчитися грі, використовуючи ті ж методи, які можна було б використовувати, вивчаючи інші ігри. При цьому, граючи проти інших людей і в основному проти самого себе. Єдина мета, яку він поставив перед собою – виграти гру. І Google AlphaGo це вдалося: він виграв чотири з п’яти матчів, за повідомленнями, використовуючи 1920 процесорів і 280 GPU.

Хто захоче навчати машину після того, як вона змогла навчити себе сама? Це дійсно черговий прорив у штучному інтелекті.

Підведемо підсумки

Розробки в галузі вивчення та навчання штучного інтелекту зуміли захопити багатьох вчених і дослідників. Упевнений, що найближчими роками ми ще багато почуємо про успіхи в таких дослідах. Але найголовніше, щоб штучний інтелект став для людини другом, помічником, а не ворогом. Інакше нас точно чекає повстання машин.